2025中國船舶工業(yè)集團公司招聘系統(tǒng)研發(fā)工程師筆試歷年參考題庫附答案一、計算機科學基礎(chǔ)題（共15題，每題4分）1.數(shù)據(jù)結(jié)構(gòu)與算法題目：給定一個二叉樹的中序遍歷序列為[D,B,E,A,F,C,G]，后序遍歷序列為[D,E,B,F,G,C,A]。請畫出該二叉樹的結(jié)構(gòu)，并寫出其前序遍歷序列。解答：后序遍歷的最后一個元素是根節(jié)點（A），中序遍歷中根節(jié)點左側(cè)為左子樹（D,B,E），右側(cè)為右子樹（F,C,G）。左子樹的后序序列為[D,E,B]（長度3），對應中序[D,B,E]，根節(jié)點為B（后序最后一個），B的左子樹為D（中序左側(cè)無元素），右子樹為E（中序右側(cè)）。右子樹的后序序列為[F,G,C]（長度3），對應中序[F,C,G]，根節(jié)點為C（后序最后一個），C的左子樹為F（中序左側(cè)），右子樹為G（中序右側(cè)）。二叉樹結(jié)構(gòu)：```A/\BC/\/\DEFG```前序遍歷序列：A→B→D→E→C→F→G2.操作系統(tǒng)題目：某系統(tǒng)有3個進程P1、P2、P3，資源R共有5個實例。當前資源分配情況如下：-P1已分配2個，最大需求5個-P2已分配1個，最大需求3個-P3已分配1個，最大需求3個剩余可用資源1個。判斷系統(tǒng)是否處于安全狀態(tài)，若安全給出安全序列；若不安全說明原因。解答：計算各進程的需求（最大需求-已分配）：P1需求3，P2需求2，P3需求2。剩余資源1，無法滿足P1（需3）或P2（需2）或P3（需2）的需求，系統(tǒng)無法找到任何進程能完成執(zhí)行并釋放資源。因此系統(tǒng)處于不安全狀態(tài)。3.計算機網(wǎng)絡題目：簡述TCP三次握手的過程，并說明第三次握手的必要性。解答：三次握手過程：①客戶端發(fā)送SYN=1，seq=x（初始序列號），請求建立連接；②服務器收到后發(fā)送SYN=1，ACK=1，seq=y，ack=x+1（確認客戶端序列號）；③客戶端發(fā)送ACK=1，seq=x+1，ack=y+1，完成連接建立。第三次握手的必要性：防止失效的連接請求報文段被服務器接收，避免服務器錯誤地為已失效的請求分配資源。例如，若客戶端第一次發(fā)送的SYN因網(wǎng)絡延遲滯留，客戶端超時后重發(fā)SYN并建立連接，之后滯留的SYN到達服務器，若沒有第三次握手，服務器會誤認為是新連接并分配資源，導致資源浪費。二、軟件研發(fā)技術(shù)題（共10題，每題6分）4.數(shù)據(jù)庫系統(tǒng)題目：某船舶設備管理數(shù)據(jù)庫包含以下表結(jié)構(gòu)：-設備表（設備ID，設備類型，出廠日期，所屬船舶）-維修記錄表（記錄ID，設備ID，維修時間，維修類型，維修人員）要求：①編寫SQL語句查詢2023年所有“主機”類型設備的維修次數(shù)（按設備ID分組）；②說明如何優(yōu)化該查詢的執(zhí)行效率。解答：①SQL語句：```sqlSELECT設備ID,COUNT()AS維修次數(shù)FROM維修記錄表WHERE設備IDIN(SELECT設備IDFROM設備表WHERE設備類型='主機')AND維修時間BETWEEN'2023-01-01'AND'2023-12-31'GROUPBY設備ID;```②優(yōu)化方法：-在設備表的“設備類型”字段創(chuàng)建索引，加速子查詢；-在維修記錄表的“設備ID”和“維修時間”字段創(chuàng)建聯(lián)合索引（(設備ID,維修時間)），減少全表掃描；-若數(shù)據(jù)量極大，可考慮將子查詢轉(zhuǎn)換為JOIN操作，利用數(shù)據(jù)庫優(yōu)化器的執(zhí)行計劃調(diào)整：```sqlSELECTm.設備ID,COUNT()AS維修次數(shù)FROM設備表eJOIN維修記錄表mONe.設備ID=m.設備IDWHEREe.設備類型='主機'ANDm.維修時間BETWEEN'2023-01-01'AND'2023-12-31'GROUPBYm.設備ID;```5.軟件工程題目：某團隊開發(fā)船舶智能監(jiān)控系統(tǒng)，需支持實時接收傳感器數(shù)據(jù)（10萬條/秒）并進行異常檢測。請設計該系統(tǒng)的架構(gòu)，說明關(guān)鍵模塊及技術(shù)選型依據(jù)。解答：系統(tǒng)架構(gòu)設計如下：-數(shù)據(jù)采集模塊：使用Kafka消息隊列接收傳感器數(shù)據(jù)，利用其高吞吐量（支持百萬級TPS）和分布式特性，確保數(shù)據(jù)不丟失；-實時處理模塊：采用Flink流處理框架，支持毫秒級延遲的實時計算，通過窗口函數(shù)（如滑動窗口）統(tǒng)計數(shù)據(jù)波動，結(jié)合規(guī)則引擎（Drools）判斷異常（如溫度超過80℃且持續(xù)10秒）；-存儲模塊：實時數(shù)據(jù)寫入InfluxDB（時序數(shù)據(jù)庫，優(yōu)化時間序列數(shù)據(jù)存儲與查詢），歷史數(shù)據(jù)歸檔至HBase（支持海量數(shù)據(jù)存儲）；-接口服務模塊：基于SpringBoot構(gòu)建RESTfulAPI，提供異常告警推送（WebSocket）和歷史數(shù)據(jù)查詢功能；-監(jiān)控運維模塊：使用Prometheus+Grafana監(jiān)控各組件狀態(tài)（如Kafka分區(qū)負載、Flink任務延遲），確保系統(tǒng)高可用。技術(shù)選型依據(jù)：Kafka解決高并發(fā)寫入瓶頸，F(xiàn)link滿足實時性要求，InfluxDB針對時序數(shù)據(jù)優(yōu)化存儲效率，SpringBoot簡化API開發(fā)，Prometheus實現(xiàn)全鏈路監(jiān)控。三、編程實踐題（共3題，每題20分）6.Python編程題目：船舶傳感器每秒采集一組數(shù)據(jù)（格式：[時間戳,溫度,壓力,振動值]），要求編寫程序?qū)崿F(xiàn)以下功能：①讀取本地CSV文件（假設文件路徑為“sensor_data.csv”）；②過濾掉振動值≥0.5g的異常數(shù)據(jù)；③統(tǒng)計剩余數(shù)據(jù)中溫度的平均值、壓力的最大值；④將結(jié)果輸出為JSON格式（包含“有效數(shù)據(jù)量”“溫度均值”“壓力最大值”）。解答：```pythonimportcsvimportjsonfromstatisticsimportmeandefprocess_sensor_data(file_path):valid_data=[]withopen(file_path,'r',encoding='utf-8')asf:reader=csv.reader(f)next(reader)跳過表頭forrowinreader:try:timestamp=row[0]temp=float(row[1])pressure=float(row[2])vibration=float(row[3])ifvibration<0.5:valid_data.append((temp,pressure))except(IndexError,ValueError):continue處理數(shù)據(jù)格式錯誤ifnotvalid_data:return{"有效數(shù)據(jù)量":0,"溫度均值":None,"壓力最大值":None}temps=[d[0]fordinvalid_data]pressures=[d[1]fordinvalid_data]return{"有效數(shù)據(jù)量":len(valid_data),"溫度均值":round(mean(temps),2),"壓力最大值":round(max(pressures),2)}if__name__=="__main__":result=process_sensor_data("sensor_data.csv")print(json.dumps(result,ensure_ascii=False,indent=2))```代碼說明：使用csv模塊讀取文件，通過異常處理過濾格式錯誤數(shù)據(jù)；利用列表推導式提取溫度和壓力值，使用statistics.mean計算均值，max函數(shù)求最大值；結(jié)果通過json.dumps格式化為易讀的JSON字符串。7.Java編程（船舶數(shù)據(jù)加密）題目：船舶通信需對傳輸?shù)拿舾袛?shù)據(jù)（如航次計劃）進行AES加密，要求：①使用AES-256-CBC模式，PKCS5Padding填充；②密鑰（32字節(jié)）和IV（16字節(jié)）從配置文件讀??；③編寫加密和解密方法，處理中文字符串。解答：```javaimportjavax.crypto.;importjavax.crypto.spec.IvParameterSpec;importjavax.crypto.spec.SecretKeySpec;importjava.nio.charset.StandardCharsets;importjava.util.Base64;importjava.util.Properties;publicclassAesEncryptor{privatestaticfinalStringALGORITHM="AES/CBC/PKCS5Padding";privateSecretKeysecretKey;privateIvParameterSpeciv;publicAesEncryptor(Stringkey,StringivStr){//從配置文件讀取密鑰和IV（示例中直接傳參）this.secretKey=newSecretKeySpec(key.getBytes(StandardCharsets.UTF_8),"AES");this.iv=newIvParameterSpec(ivStr.getBytes(StandardCharsets.UTF_8));}publicStringencrypt(StringplainText)throwsException{Ciphercipher=Cipher.getInstance(ALGORITHM);cipher.init(Cipher.ENCRYPT_MODE,secretKey,iv);byte[]encryptedBytes=cipher.doFinal(plainText.getBytes(StandardCharsets.UTF_8));returnBase64.getEncoder().encodeToString(encryptedBytes);}publicStringdecrypt(StringencryptedText)throwsException{Ciphercipher=Cipher.getInstance(ALGORITHM);cipher.init(Cipher.DECRYPT_MODE,secretKey,iv);byte[]encryptedBytes=Base64.getDecoder().decode(encryptedText);byte[]decryptedBytes=cipher.doFinal(encryptedBytes);returnnewString(decryptedBytes,StandardCharsets.UTF_8);}publicstaticvoidmain(String[]args)throwsException{//示例密鑰（32字節(jié)）和IV（16字節(jié)）Stringkey="thisIsASecretKeyForAES256Encryption123";//32字節(jié)Stringiv="initializationVector1";//16字節(jié)AesEncryptorencryptor=newAesEncryptor(key,iv);StringplainText="2025航次計劃：青島→上海，載重10萬噸";Stringencrypted=encryptor.encrypt(plainText);Stringdecrypted=encryptor.decrypt(encrypted);System.out.println("原始數(shù)據(jù)："+plainText);System.out.println("加密后："+encrypted);System.out.println("解密后："+decrypted);}}```代碼說明：使用JavaCryptographyExtension（JCE）實現(xiàn)AES加密，CBC模式需要IV（初始化向量）保證每次加密結(jié)果不同；密鑰和IV需嚴格保密，實際應用中應從安全配置中心讀??；Base64編碼用于將二進制密文轉(zhuǎn)換為可打印字符串，支持中文字符的UTF-8編碼處理。四、船舶工業(yè)信息化專項題（共2題，每題15分）8.智能船舶系統(tǒng)設計題目：中船集團正在研發(fā)“智能船舶3.0”系統(tǒng)，需實現(xiàn)船舶設備健康狀態(tài)預測功能。請說明該功能的技術(shù)實現(xiàn)路徑，包括數(shù)據(jù)來源、特征工程、模型選擇及評估指標。解答：技術(shù)實現(xiàn)路徑如下：-數(shù)據(jù)來源：①傳感器數(shù)據(jù)（如發(fā)動機轉(zhuǎn)速、燃油消耗率、軸承溫度，頻率1Hz~10kHz）；②設備維護記錄（維修時間、更換部件、故障類型）；③環(huán)境數(shù)據(jù)（海況、溫度、濕度，來自氣象衛(wèi)星和船載氣象儀）；④設計參數(shù)（設備額定功率、壽命曲線，來自CAD系統(tǒng)）。-特征工程：①時間域特征：均值、方差、峰值（反映數(shù)據(jù)波動）；②頻域特征：通過FFT轉(zhuǎn)換提取故障頻率分量（如軸承故障的特征頻率）；③時序特征：滑動窗口（如1小時窗口）內(nèi)的趨勢變化（上升/下降斜率）；④交叉特征：環(huán)境溫度與設備溫度的差值（評估冷卻系統(tǒng)效率）。-模型選擇：短期預測（未來24小時）：LSTM神經(jīng)網(wǎng)絡（捕捉時序依賴性）；長期預測（未來30天）：XGBoost（處理結(jié)構(gòu)化的維護記錄和設計參數(shù)，抗過擬合能力強）；混合模型：結(jié)合LSTM的時序預測和XGBoost的特征重要性分析，提升可解釋性。-評估指標：①均方根誤差（RMSE）：衡量預測值與實際值的偏差；②F1分數(shù)：評估故障分類的準確性（故障/正常）；③提前預警時間：要求在故障發(fā)生前至少6小時發(fā)出預警；④模型部署延